水稻株型研究中穗部性状的研究综述

本文在概述株型研究进展的基础上 ,综述了不同学者对水稻穗在群体中地位的有关研究 ,并进一步讨论了其与产量的关系     

基于VB的农业信息学多媒体课件设计

CAI课件在现代教学领域中发挥着十分重要的作用。本文利用VB6．0为开发工具，设计了农业信息学多媒体课件，并对课件的功能与应用进行了分析。     

基于MODIS的南方草地NPP遥感估算与应用

草地NPP遥感模型的构建是实现大面积草地NPP估算的有效途径之一。以MODIS-NDVI数据为基础,以南方草山草坡为研究对象,结合野外实测数据,分析了草地NPP与NDVI之间的关系,同时构建了以NDVI为自变量以及水热条件为调节因子的南方草地NPP遥感估算模型,并通过不同年份独立的实测数据对模型进行了验证。结果表明,南方草地NPP与NDVI之间存在5种相关类型,均达到了极显著水平。NPP的模拟值和实测值之间具有很好的相关性和一致性,5种草地类型R²分别为0.902 2,0.826 6,0.871 2,0.887 7和0.875 5,均达到了极显著水平,均方根误差(RMSE)和相对均方根差(RRMSE)均较小。表明模型的模拟结果比较可靠,为南方草地NPP估算及草地资源管理提供了一种有效的方法。     

基于PAID 4.0的水稻栽培专家系统研究

以PAID 4.0专家系统开发平台为基础,构建了水稻栽培专家系统,分析了该农业用户沟通交流系统的结构设计方法与功能,并探讨了该专家系统研究的方向。     

农田信息采集车设计与试验

针对传统农业物联网系统存在传感器少、投入成本高、建设周期长和对环境不友好等问题,设计了一种可移动式农田信息智能采集车。利用Matlab仿真对关键部件机械臂的构成和运行情况进行了分析和模拟,对采集车进行了小麦田间性能测试。结果显示,采集车整体设计合理,车辆通过性强,越障最大倾斜角达30°,最大遥控距离45m,获取图像清晰。将传感器采集的数据与常用高精度仪器测量结果进行了比对,农田信息采集车所采集温度、湿度、光照强度、CO2浓度、风速、土壤温度和土壤湿度与高精度仪器设备所测数据的相关系数均大于0. 90,单个采样点平均采集时间为45 s,数据采集满足需求。该采集车可实现定时、定点大范围获取田间数据的功能,能够替代传统物联网系统或对其进行补充。     

农业信息技术人才培养模式的研究与实践

分析了农业信息技术人才培养面临的主要问题与关键环节,针对性地提出了＂厚基础、强实践＂型农业信息技术人才培养模式,并阐述了该模式的指导思想、目标任务、核心内容、重点举措及其实施成效等。     

水稻拔节期株型特征及其与产量关系的研究

以杂交中籼稻汕优63和中粳稻武运粳8号为材料,采用不同的栽插密度、肥料运筹等措施,塑造不同产量的群体,研究水稻拔节期株型特征及其与产量的关系。结果表明：高产群体拔节期叶片的长度适宜,叶鞘载叶量小。汕优63叶角较小,叶片松散度宜小,顶部3叶松散度之和7.7度左右;武运粳8号叶片松散度宜大,顶部3叶松散度之和6.0度左右。群体距顶层35cm左右的透光率达40％－45％,顶部3叶的叶绿素含量适中,光合速率高。     

基于图像处理技术的大田麦穗计数

为了实现不同播种方式下单位面积小麦穗数的智能计算,设计了一种利用图像分析技术实现大田麦穗快速计数的方法,分析了利用颜色特征和纹理特征分割麦穗的优缺点和粘连区域麦穗个数的计算方法。通过对撒播和条播各35幅样本图像进行计数实验,准确率分别为95.77%和96.89%。结果表明,利用颜色特征和纹理特征均可提取大田环境下麦穗图像,其中利用颜色特征提取速度快。麦穗骨架角点个数能够反映粘连区域麦穗个数,在条播和撒播小麦田中计数准确率均较高。     

不同群体水稻抽穗期主要株型指标的研究

以汕优63和武运粳8号为材料,测定了抽穗期的若干株型因子,并对不同群体的株型因子进行了比较。结果表明,高产群体的茎蘖发展合理,成穗率高,株高较矮,上部叶片的叶角小,叶片趋向挺直,叶片的相对高度较高,叶面积适中,叶片的叶绿素含量高。     

不同浓度镉胁迫下水稻冠层光谱特征及其预测评价

以南粳44和两优培九两个水稻品种为材料,通过盆栽试验,研究了不同浓度镉胁迫下水稻冠层光谱特征及植株各器官镉含量间的定量关系。结果表明,两水稻品种整株、茎、叶和穗各器官镉含量均随着镉胁迫处理浓度的增加而加大,且茎中含量最高;不同浓度镉污染胁迫下的水稻冠层反射光谱曲线在可见光红光波段也存在差异,随着镉处理浓度增大,光谱曲线反射值降低,去除包络线后归一化深度加大,红边位置在两个品种中有不同程度的红移。通过构建植被指数NDVI（x）与水稻器官中镉含量的多种关系模型,比较了模型预测的显著性,分别构建了适用于两个水稻品种各器官的镉胁迫遥感监测的预测模型,南粳44分别为y整珠=86．207x2-56．633x＋9．7361,y茎=157．65x2-101．89x＋17．317,y叶=21．619x2-14．192x＋2．5283以及y穗_4．701lzz_1．4549x＋0．1628;两优培九分别为y茎=41．495x2-29．34x＋5．1829,y茎=53．364x2-36．778x＋6．3612,y叶=22．981x^2-15．768x＋2．7588,y茎=36．347x^2-25．477x＋4．4473。进而说明,地面高光谱遥感对水稻重金属镉污染及其胁迫水平有较好的响应,可通过水稻冠层光谱的差异性分析,实现水稻镉污染的快速、无损伤探测。